Abstract
Poland will experience advanced population ageing driven by improvements in longevity, low fertility and retirement of baby boom cohorts. Given the higher morbidity prevalence observed at older ages, the demand for the elderly care is expected to increase.
 The study focuses on the dynamics of health of people aged 50 and over in Poland. We want to verify how the risks of the health status change are shaped over age and what the impact of sex is.
 The empirical analysis provides a description of a non-parametric multi-state model for transitions in health. The age- and sex-specific health transition rates and probabilities are estimated based on the European Union Statistics on Income and Living Conditions (EU-SILC) panel data for the years 2008–2011.
 The results confirm the well-known regularities in research on health: the risk of being unhealthy is increasing with age, while the probability of recovery is decreasing. Women have a higher risk of the onset of disability than men, whereas recovery to health is similar for men and women.
Highlights
experience advanced population ageing driven by improvements in longevity
Given the higher morbidity prevalence observed at older ages
The study focuses on the dynamics of health
Summary
Postępujący proces starzenia się ludności Polski wskutek utrzymującego się spadku umieralności i niskiej dzietności, nasilony w szczególności poprzez osiąganie starszego wieku przez liczne kohorty powojennego wyżu demograficznego, sprawia, że w ciągu najbliższych 45 lat Polska stanie się jednym z najstarszych demograficznie krajów europejskich. Celem artykułu jest analiza dynamiki stanu zdrowia osób w wieku 50 lat i więcej w Polsce, przy czym chodzi o sprawdzenie, jak kształtuje się ryzyko zmiany stanu zdrowia w zależności od wieku oraz jaki jest wpływ płci. Do przeprowadzenia analizy zastosowana będzie nieparametryczna metoda estymacji funkcji hazardu oraz prawdopodobieństw przejścia w modelu wielostanowym dla zmian stanu zdrowia. Informacja o strukturze ludności według stanu zdrowia, to znaczy o tym, czy osoba jest w dobrym czy w złym stanie zdrowia, ma pozwolić w dalszych analizach na oszacowanie liczby osób zgłaszających zapotrzebowanie na opiekę. Współczynniki przejścia μ(t) (instantaneous transition rates), zwane również współczynnikami hazardu (hazard rates), stanowią taką syntezę zbiorowych doświadczeń, ponieważ są estymowane na podstawie indywidualnych danych o liczbie zdarzeń, czyli zmian stanu przez jednostkę w czasie t oraz liczbie osób narażonych na ryzyko wystąpienia zdarzenia w czasie t. W praktyce estymacja współczynników przejścia wymaga uszeregowania przejść według czasu (wieku) wystąpienia
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callDisclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
